你每天烧掉的 Token，有一半是废话

DeepSeek 再便宜，也架不住 AI 天天给你写论文。我写了个工具，一刀下去，Token 砍了 53%。

---

先问你一个问题。

你用 Cursor 写代码，跟 WorkBuddy 聊需求，拿 ChatGPT 查资料。每次对话，AI 都要先寒暄两句。「好的，我来帮你分析一下」「这是一个很好的问题」「希望对你有帮助」。

你猜这些废话占了你多少 Token？

我实打实测了一下。同一个任务，直连 DeepSeek 烧了 2,865 Token。把我的 tokensaver 挂上去之后，1,341 Token。

一刀砍了 53%。

---

这玩意儿干了什么

tokensaver 就是个本地 HTTP 代理。架在你的代码和 DeepSeek 之间，干三件事：

1. 缓存：你昨天问过类似的问题？直接从内存返回，1ms 搞定。零 Token。
2. 压缩输入：帮你把啰嗦的 Prompt 精简。默认不开，我怕丢信息。
3. 压缩输出：往 System Prompt 里塞一条「像原始人一样说话」的指令。AI 收到后，废话全删，只说要点。

代码层面，改一行就够了：

# 之前
client = OpenAI(base_url="https://api.deepseek.com")

# 之后
client = OpenAI(base_url="http://localhost:8800/v1")

不改 SDK，不改调用逻辑，不改 Prompt。端口 8800 跑起来就行。

GitHub：github.com/luckychenxiaowen/tokensaver

---

实测数据

我拿了一个真实任务来跑。根据一篇微信公众号的调查报道，设计一个识别虚假信息的 AI 检测系统。

同一个 Prompt，三组对照：

组别	方式	压缩
A	直连 DeepSeek	无
B	走 tokensaver 代理	cn-full
C	走 tokensaver 代理	cn-ultra

跑完后的数据：

指标	直连	cn-full	cn-ultra
输入 Token	408	586	586
输出 Token	2,457	755	755
总 Token	2,865	1,341	1,341
输出字数	4,587	1,202	1,202
耗时	312ms	12s	2.1s

三个发现。

第一，输出 Token 砍了 69%。直连时 AI 给我写了一篇 4500 字的小论文。压缩后只剩 1200 字。核心架构和逻辑全在，砍掉的都是铺陈和「好的，我来帮你分析一下」这类废话。

第二，输入 Token 多了 178 个。压缩指令的代价。但用 178 换 1,702，ROI 是 9.6 倍。不亏。

第三，缓存比压缩更狠。第三次调用命中了语义缓存，36ms 返回。不调 API，不烧 Token。日常用 AI，至少有 30% 的问题跟之前高度相似。缓存的收益被人严重低估了。

---

缺点

我先说缺点。

1. 第一次慢。 代理要写缓存、注入 System Prompt，第一次调用比直连慢 10 秒。之后就好了。
2. 要本地跑。 进程掉了就失效。设成开机自启。
3. 短问题意义不大。 你问「1+1 等于几」，压缩指令本身比回答还长。
4. 流式响应不压缩。 WorkBuddy 用 SSE 流式传输的时候只能透传。缓存照旧生效。

---

什么场景用

• 日常查资料、快速问答，原地省 50%
• 写代码、调 bug，用 lite 模式，只去语气词，代码不动
• 反复问类似问题，缓存命中，零成本
• 长对话，越聊越省，20 轮能省 60% 以上

不适合的场景就一个：你要让 AI 写完整文章或者报告。那种情况需要展开说。

---

怎么在你的 WorkBuddy 里用

最简单的方式：在 SOUL.md 里加一段指令，AI 默认闭嘴。

对话里随时切：

• /caveman full，原始人模式
• /normal，恢复

更彻底的方式：改 models.json 的 baseUrl 指向 localhost:8800，全量走代理。

---

一句话

AI 跟你说废话不是它的错。但你不必每次都听完。

---

数据来自真实 API 调用。tokensaver v2.0.0 + DeepSeek-chat。